理论
先验概率:根据以往的分析经验得到的概率,先验概率不需要样本数据
后验概率:根据数据的特征进行分析
联合概率:几个事件同时发生的概率,P(瓜熟,瓜蒂脱落)
-
定义
贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类。 而朴素朴素贝叶斯分类是贝叶斯分类中最简单,也是常见的一种分类方法, 分类原理就是利用 ### 贝叶斯公式 ### 根据某特征的先验概率计算出其后验概率,然后选择具有最大后验概率作为该特征所属的类。
贝叶斯公式:。。。。
转化: ### p(类别|特征)=p(特征|类别)*p(类别)/p(特征) ###朴素贝叶斯:假设 ### 各个特征之间相互独立 ###
-
拉普拉斯平滑
在某个分类下, 为防止训练集中某个特征值和某个类别未同时出现过,导致预测概率为0。 所以需要进行平滑处理 。当平滑系数为1时,为拉普拉斯平滑。 -
sklearn中的朴素贝叶斯算法 api, 参考:https://zhuanlan.zhihu.com/p/366787872
在scikit-learn库,根据特征数据的先验分布不同,给我们提供了5种不同的朴素贝叶斯分类算法 (sklearn.naive_bayes: Naive Bayes模块),分别是 伯努利朴素贝叶斯(BernoulliNB), 类朴素贝叶斯(CategoricalNB), 高斯朴素贝叶斯(GaussianNB)、 多项式朴素贝叶斯(MultinomialNB)、 补充朴素贝叶斯(ComplementNB) 。
- 朴素贝叶斯分类器适用于以下场景
朴素贝叶斯分类器的应用场景非常广泛,只要能将问题转化为分类问题,且能够使用先验概率和条件概率来描述问题,都可以考虑使用朴素贝叶斯分类器。
1.文本分类:可以用于垃圾邮件过滤、新闻分类、情感分析等。 2.个性化推荐:可以用于基于用户历史数据进行推荐,如购物网站的商品推荐、音乐推荐等。 3.生物信息学:可以用于基因分类、蛋白质分类等。 4.医学诊断:可以用于疾病分类、药物疗效预测等。 5.图像识别:可以用于图像分类、人脸识别等 6.金融风险评估:可以用于信用评估、欺诈检测等。
实例
import numpy as np
import matplotlib.pyplot as plt
from sklearn.naive_bayes import GaussianNB
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
# 导入数据集
digits = load_digits()
X = digits.data
y = digits.target
# 划分测试集和训练数据集,划分后,训练数据1257个样本,测试数据集540个样本
xtrain, xtest, ytrain, ytest = train_test_split(X, y, test_size=0.3, random_state=0)
# 查看标签种类
np.unique(ytrain)
# 实例化模型并且训练模型,其中fit()过程就是在计算概率的过程
gnb = GaussianNB().fit(xtrain, ytrain)
# score()接口对于我们的分类型算法,返回预测的精确性,也就是accuracy,使用测试数据集测试
acc_score = gnb.score(xtest, ytest)
# 返回所有样本对应的类别,这里的样本标签是用我们下面得到的概率中,
# 选取每一个样本中概率最大的作为此样本的标签
y_pred = gnb.predict(xtest)
# 查看我们的概率结果
yprob = gnb.predict_proba(xtest)
# 可以看到,返回的结果是540*10的二维矩阵,其中应为分类有10个,所以一共返回10列概率
# 取其中概率最大的哪一个分类作为最后的分类结果,并且每一行的概率之和是1
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import make_moons, make_circles, make_classification
from sklearn.naive_bayes import GaussianNB, MultinomialNB, BernoulliNB, ComplementNB
h = .02
# 模型的名字
names = ["Multinomial", "Gaussian", "Bernoulli", "Complement"]
# 创建我们的模型对象
classifiers = [MultinomialNB(), GaussianNB(), BernoulliNB(), ComplementNB()]
# 创建分类数据集
X, y = make_classification(n_features=2, n_redundant=0, n_informative=2,
random_state=1, n_clusters_per_class=1)
# 月亮刑数据
rng = np.random.RandomState(2)
X += 2 * rng.uniform(size=X.shape)
linearly_separable = (X, y)
datasets = [make_moons(noise=0.3, random_state=0),
make_circles(noise=0.2, factor=0.5, random_state=1),
linearly_separable
]
# 创建画布
figure = plt.figure(figsize=(6, 9))
i = 1
for ds_index, ds in enumerate(datasets):
X, y = ds
# 标准化数据集
X = StandardScaler().fit_transform(X)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.4, random_state=42)
# 对画布画网格线
x1_min, x1_max = X[:, 0].min() - .5, X[:, 0].max() + .5
x2_min, x2_max = X[:, 1].min() - .5, X[:, 1].max() + .5
array1, array2 = np.meshgrid(np.arange(x1_min, x1_max, 0.2),
np.arange(x2_min, x2_max, 0.2))
cm = plt.cm.RdBu
cm_bright = ListedColormap(['#FF0000', '#0000FF'])
ax = plt.subplot(len(datasets), 2, i)
if ds_index == 0:
ax.set_title("Input data")
ax.scatter(X_train[:, 0], X_train[:, 1], c=y_train,
cmap=cm_bright, edgecolors='k')
ax.scatter(X_test[:, 0], X_test[:, 1], c=y_test,
cmap=cm_bright, alpha=0.6, edgecolors='k')
ax.set_xlim(array1.min(), array1.max())
ax.set_ylim(array2.min(), array2.max())
ax.set_xticks(())
ax.set_yticks(())
i += 1
ax = plt.subplot(len(datasets), 2, i)
clf = GaussianNB().fit(X_train, y_train)
score = clf.score(X_test, y_test)
Z = clf.predict_proba(np.c_[array1.ravel(), array2.ravel()])[:, 1]
Z = Z.reshape(array1.shape)
ax.contourf(array1, array2, Z, cmap=cm, alpha=.8)
ax.scatter(X_train[:, 0], X_train[:, 1], c=y_train, cmap=cm_bright,
edgecolors='k')
ax.scatter(X_test[:, 0], X_test[:, 1], c=y_test, cmap=cm_bright,
edgecolors='k', alpha=0.6)
ax.set_xlim(array1.min(), array1.max())
ax.set_ylim(array2.min(), array2.max())
ax.set_xticks(())
ax.set_yticks(())
if ds_index == 0:
ax.set_title("Gaussian Bayes")
ax.text(array1.max() - .3, array2.min() + .3, ('{:.1f}%'.format(score * 100)),
size=15, horizontalalignment='right')
i += 1
plt.tight_layout()
plt.show()